会员中心
搜索
登录
注册

解决方案

数字化转型通用方案行业方案安全方案大数据人工智能物联网行业展望自动控制其他

产品|技术

白皮书产品介绍技术介绍技术创新模型算法

政策|规范

政策规范行动计划

电子书

电子书课件

报告|论文

报告模板论文

面向车联网的5G定制网关键能力与创新服务探讨

5G在我国正式落地以来，车联网相关发展战略和顶层设计不断颁布、层层推进。2020年2月，部委联合发布《智能汽车创新发展战略》提出“结合5G商用部署，推动5G与车联网协同建设”。2021年7月，十部门印发《5G应用“扬帆”行动计划（2021-2023年）》的通知指出“强化汽车、通信、交通等行业的协同......加快5G+车联网部署”。 5G使得车、路、云之间的高速信息交互和高效业务协同具备了通信基础，促进了汽车、电子、信息通信、道路交通运输等行业的深度融合，催生了面向生产、制造、测试或公众服务的新型车联网行业应用，这些应用对运营商的网络在服务的精细化、智能化和定制化方面都提出了极大挑战。运营商面向未来车联网细分行业，不仅定位于提供通信解决方案，更要实现“网络即计算，网络即智能、网络即应用、网络即服务”，提供与行业场景密切融合的“网边云用服”一体交付的专属定制服务。

  • 2022-03-10
  • 阅读151
  • 下载0
  • 13页
  • docx

基于5G智慧园区的车联网系统应用示范

5G智慧园区作为建设智慧城市的关键切入点，具有交通组成元素相对单一、相关业务要求明确的特点，有利于实现5G+C-V2X商业化的快速落地，5G网络可以为园区内的交通群体带来超大带宽、超低时延、超大连接的网络接入条件。首先结合5G网络特性以及智慧园区内交通群体的实际需求进行了分析，在此基础之上提出了一套基于5G+C-V2X的智慧园区车联网系统。该系统能提供多种智慧交通创新技术及业务示范，用于在冬奥会期间提供多场景下的车-路-云-网智慧交通服务。可以此为契机打造5G创新业务行业标杆案例，有效引领智能车联网的产业创新，促进全球车联网产业更好更快发展。

  • 2022-03-10
  • 阅读131
  • 下载0
  • 11页
  • docx

企业数字化规划建设方案参考

企业数字化建设的推动，首先要制定一个整体的数字化规划，包括分阶段实施的计划、预算等等。数字化规划制定完成后就要按计划去推动项目的立项。项目立项后就是项目的执行，即项目管理，这个环节有乙方强大的咨询团队和成熟的解决方案协助甲方推动项目落地，因此项目实施越到后面，风险越小。项目实施完成后，甲方的团队需要做的工作就只剩下运维与日常团队的管理。在这整个过程中，数字化蓝图的规划以及项目的推动、规划是企业CIO最头疼的问题。

  • 2022-03-10
  • 阅读215
  • 下载1
  • 9页
  • docx

寻找数字时代全要素生产率提升的核心引擎

从宏观经济学的基本原理来说，经济增长和发展的源泉无外乎来自于两方面，一个是土地、劳动力、资本等生产资源的持续投入，另一个是这些生产资源的使用效率提升，而后者已经越来越成为现代经济增长的主要源泉。自上世纪五六十年代诺奖经济学得主罗伯特·索洛（Robert Merton Solow）的开创性工作以来，经济学家们一直用全要素生产率（TFP，Total Factor Productivity）这个概念来度量资源的使用效率，即全部生产要素的投入量都不变时经济仍能持续增长的能力。

  • 2022-03-09
  • 阅读115
  • 下载0
  • 22页
  • docx

智慧城区和数字政府建设的探索

2016年10月，领导人提出“实施网络强国”的战略，要求“以推行电子政务、建设新型智慧城市等为抓手，推进政府决策科学化、社会治理精准化、公共服务高效化”。2017年1月7日，龙华区由新区正式转为行政区，成立之初，深圳市委市政府对龙华区寄予厚望，提出了“两区一城”的战略定位，即转型升级典范区、特区一体化示范区和现代化国际化中轴新城。龙华区委区政府因此提出建设“智慧龙华”，作为落实领导人讲话精神和实现深圳市委市政府战略定位的重要抓手，并确定了“国内一流、国际领先”的建设目标，即“智构龙华、慧领中国”。

  • 2022-03-09
  • 阅读128
  • 下载0
  • 14页
  • docx

一文概述2017年深度学习NLP重大进展与趋势

近年来，深度学习（DL）架构和算法在图像识别、语音处理等领域实现了很大的进展。而深度学习在自然语言处理方面的表现最初并没有那么起眼，不过现在我们可以看到深度学习对 NLP 的贡献，在很多常见的 NLP 任务中取得了顶尖的结果，如命名实体识别（NER）、词性标注（POS tagging）或情感分析，在这些任务中神经网络模型优于传统方法。而机器翻译的进步或许是最显著的。

  • 2022-03-09
  • 阅读116
  • 下载0
  • 11页
  • docx

机器学习理论基础到底有多可靠？

理论理解程度低的方法在实现时通常会采用启发式方法或大量试错法；理论理解程度高的方法往往具有公式化的实现，具有强大的理论基础和可预测的结果。较简单的方法（例如线性回归）具有较低的理论上限，而更复杂的方法（例如深度学习）具有更高的理论上限。当谈到一个领域内文献的深度和完整性时，则根据该领域假设的理论上限来评估该领域，这在一定程度上依赖于直觉。

  • 2022-03-09
  • 阅读112
  • 下载0
  • 8页
  • docx

一文梳理深度学习算法演进

如果说高德纳的著作奠定了第一代计算机算法，那么传统机器学习则扩展出第二代，而近十年崛起的深度学习则是传统机器学习上进一步发展的第三代算法。深度学习算法的魅力在于它核心逻辑的简单且通用。 在人类历史上，可能没有哪个方向的技术能在如此短的时间内吸引如此多的人投入其中，也没有哪个技术在如此短的时间被应用在如此多的场景。深度学习算法这过去6年可能说不上产生了多么重大的突破，但是产量绝对是惊人的，也给我们带来了许多意想不到的惊喜。 回顾2015年到2021年，个人期间有幸参与了语音、视觉、NLP和推荐排序等几个领域。其中一部分是以直接算法应用研究角度，还有一部分是从框架系统支撑视角。部分工作是算法预研，还有部分成果应用在语音搜索，医疗影像，推荐系统等业务。 这篇文章更多是结合自己实践经历，通过一些业界经典成果回顾了过去6年在深度学习算法方向上的技术迭代。最后做了一些归纳总结和展望。

  • 2022-03-09
  • 阅读116
  • 下载0
  • 25页
  • docx